样本图像标注方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种样本图像标注方法、装置、计算机设备和存储介质。该方法包括：将待标注样本图像输入分割标注模型，得到图像标注结果；基于待标注样本图像的训练标识，判断待标注样本图像是否执行过分割标注模型的训练过程；若是，根据图像标注结果和预设的图像标注标准，将待标注样本图像和图像标注结果存储至图像标注库；该图像标注标准用于表征图像标注结果的质量，图像标注库中的图像数据用于对图像分割模型进行训练。该方法可以大大提高标注数据的质量，进而提高训练得到的图像分割模型的性能。

【技术实现步骤摘要】
样本图像标注方法、装置、计算机设备和存储介质
本申请涉及图像处理
，特别是涉及一种样本图像标注方法、装置、计算机设备和存储介质。
技术介绍
随着深度学习的迅速发展，利用深度学习进行医学图像的检测、分类、分割已经出现了大量的研究结果。图像分割(通常为语义分割)是指图像像素级别的分类，根据图像的语义信息来确定病灶区域的边缘位置，以对病灶区域进行分割。通常，在采用深度学习算法(或模型)进行图像分割前，需要大量精细标注的样本作为深度学习算法(或模型)的学习目标，以对该算法(或模型)进行训练。但是，图像分割标注是相对繁琐的任务，需要标记出病灶区域中每个像素点，若全部由人工进行标注会比较费时费力。传统技术中，通常由医生先对少量样本进行数据标注，基于少量样本的标注先训练模型；再由一部分样本基于训练好的模型进行测试，医生在训练模型的测试结果上进行标注修改，通过修改的标注数据再次对模型进行训练。然而，传统技术中对模型进行训练的标注数据最终仍都是人为确定的，会因人为标注质量的参差不齐影响标注数据的质量，进而影响训练得到的模型的性能。<本文档来自技高网...

【技术保护点】
1.一种样本图像标注方法，其特征在于，所述方法包括：/n将待标注样本图像输入分割标注模型，得到图像标注结果；/n基于所述待标注样本图像的训练标识，判断所述待标注样本图像是否执行过所述分割标注模型的训练过程；/n若是，根据所述图像标注结果和预设的图像标注标准，将所述待标注样本图像和所述图像标注结果存储至图像标注库；所述图像标注标准用于表征图像标注结果的质量，所述图像标注库中的图像数据用于对图像分割模型进行训练。/n

【技术特征摘要】
1.一种样本图像标注方法，其特征在于，所述方法包括：
将待标注样本图像输入分割标注模型，得到图像标注结果；
基于所述待标注样本图像的训练标识，判断所述待标注样本图像是否执行过所述分割标注模型的训练过程；
若是，根据所述图像标注结果和预设的图像标注标准，将所述待标注样本图像和所述图像标注结果存储至图像标注库；所述图像标注标准用于表征图像标注结果的质量，所述图像标注库中的图像数据用于对图像分割模型进行训练。


2.根据权利要求1所述的方法，其特征在于，所述图像标注标准包括不同标注质量指标和标注质量指标对应的标准量化值；所述根据所述图像标注结果和预设的图像标注标准，将所述待标注样本图像和所述图像标注结果存储至图像标注库，包括：
对所述图像标注结果在所述不同标注质量指标下进行量化，得到不同标注质量指标下的目标量化值；
若不同标注质量指标下的目标量化值中至少一个大于对应的标准量化值，则将所述待标注样本图像和所述图像标注结果存储至所述图像标注库。


3.根据权利要求2所述的方法，其特征在于，所述标注质量指标包括图像标注相似度指标和/或图像连通域指标；所述对所述图像标注结果在所述不同标注质量指标下进行量化，得到不同标注质量指标下的目标量化值，包括：
计算所述图像标注结果与图像标注金标准之间的相似度；
基于所述相似度和相似度阈值，确定所述图像标注结果在所述图像标注相似度指标下的目标量化值；和/或，
基于所述图像标注结果确定目标连通域，确定所述目标连通域和连通域金标准之间的差异；
根据所述差异和差异阈值，确定所述图像标注结果在所述图像连通域指标下的目标量化值。


4.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：
若所述待标注样本图像未执行过所述分割标注模型的训练过程，获取用户对所述图像标注结果进行修改后的图像标注结果；
基于所述待标注样本图像和所述修改后的图像标注结果，对所述分割标注模型执行训练过程，以及变更所述待标注样本图像的训练标识。

<...

【专利技术属性】
技术研发人员：邵影，高耀宗，
申请(专利权)人：上海联影智能医疗科技有限公司，
类型：发明
国别省市：上海;31